D2d网络中社会信用驱动的功率自适应方法
【专利摘要】本发明公开了一种D2D网络中社会信用驱动的功率自适应方法，包括以下步骤：1)D2D网络传输中，D2D用户和蜂窝用户互相干扰，D2D用户的发送功率需满足干扰要求及自身设备的限制要求；2)D2D服务请求方需要向D2D服务接受方支付一定的信用，每次D2D传输时，确定信用的消耗值与获得值；3)采用队列模型对信用的动态变化进行建模，基于渐进排队理论和反向队列技术分析用户的信用需求；4)在满足用户的物理通信需求和信用需求的同时，以最大化吞吐量为目标进行功率自适应。本发明可以有效促进用户参与D2D通信，提升系统统能。
【专利说明】
D2D网络中社会信用驱动的功率自适应方法
技术领域：
[0001 ]本发明属于D2D通信技术领域，具体涉及一种D2D网络中社会信用驱动的功率自适 应方法。
【背景技术】：
[0002] 随着无线智能设备的普及和相应的应用程序，无线流量呈爆炸式增长，这给未来 的蜂窝系统带来了极大的挑战。D2D通信允许用户直接进行端到端通信，可以带来跳增益， 提升系统容量，提高频谱利用率，减羟基站的负荷，是未来通信的关键技术之一。然而，参与 D2D通信会引起能量的消耗，空间的占用，也可能会带来安全隐患等诸多问题，考虑到这些 因素，自私的用户可能不愿意参与D2D通信。若大多数用户不愿意参与D2D传输，资源不能得 到有效利用，性能的提升得不到保障。
[0003] 影响用户参与D2D通信意愿的一个关键因素是用户间的社会特性，用户总是愿意 与自己有亲密关系的人进行D2D通信，利用用户间的社会关系来辅助D2D通信能够在一定程 度上保障D2D通信的顺利进行，提升系统性能，这也是近来研究的一个热点。D2D通信要求用 户必须在近距离范围内进行通信，然而，由于时间和空间的限制，社会关系上密切的用户在 位置上未必相近，这就削弱了社会关系在D2D通信中的作用。而且，在一个用户间相对陌生 的场景下，用户间的社会关系是相对微弱的，这就进一步削弱了社会关系在D2D通信中的作 用，因此确立一个具有广域化、全局化的社会特性衡量标准促进用户参D2D通信具有迫切需 求。
【发明内容】
：
[0004] 本发明的目的是为了促进用户参与D2D通信，引入了社会信用这一全局化的社会 特性衡量标准，提供了一种D2D网络中社会信用驱动的功率自适应方法，用于促进用户参与 D2D通信，提升系统整体性能。
[0005] 为达到上述目的，本发明采用如下的技术方案来实现：
[0006] D2D网络中社会信用驱动的功率自适应方法，该D2D网络包括一个基站b、D2D用户 发送端ddPD2D用户接收端d2以及一个蜂窝用户c，包括以下步骤：
[0007] 1)D2D网络传输中，D2D用户和蜂窝用户互相干扰，D2D用户的发送功率需满足干扰 要求及自身设备的限制要求；
[0008] 2)D2D服务请求方需要向D2D服务接受方支付一定的信用，每次D2D传输时，确定信 用的消耗值与获得值；
[0009] 3)采用队列模型对信用的动态变化进行建模，基于渐进排队理论和反向队列技术 分析用户的信用需求；
[0010] 4)在满足用户的物理通信需求和信用需求的同时，以最大化吞吐量为目标进行功 率自适应。
[0011]本发明进一步的改进在于，步骤1)的具体要求为：
[0012] 1-1 )D2D链路的信号传输模型为：
[0013]
(19)
[0014] 其中，P。是蜂窝用户的发送功率，Ρ(γ)是D2D用户的可调发送功率，η为加性高斯 白噪声，其功率谱密度为nQ，hu为节点i与节点j间信道增益，且满i
节点i与节点j间的距离，α为路径损耗指数，ho为小尺度衰落且服从瑞利分布，ho~CN(0，1);
[0015] D2D发送功率受限于平均功率P ,为描述方便：
乱满足：
[0016]
[0017] ，定义为参考SINR，反映信道衰落和干扰，μ( γ )为归一 化发送功率，No为噪声功率，且No = n〇W，W为系统带宽；
[0018] 1-2)为保障蜂窝链路的正常通信，D2D链路对蜂窝链路的干扰受限，即
发送功率μ( γ )满足： (21)
[0020] 其中，Pth表示基站端信干噪比的最低门限值；
[0021] 卜W亭剞白身设备的限制，D2D用户的发送功率不能超过最大值Pmax，即满足：
[0022]
(22)
[0023]本发明进一步的改进在于，步骤2)中信用的消耗与获得函数定义为：
[0024] 2-1)信用的消耗值依赖于传输的数据量，定义信用消耗值f(d)为数据量d的函数
^，依据香农定义，D2D链路的最大传输速率为：
[0025]
(23)
[0026] 则时隙T内传输的数据量为d=WTl〇ge(l+y( γ ) γ )，信用消耗函数为：
[0027]
p4)
[0028] 2-2)不失一般性，假设信用的获得过程与信用的消耗过程是独立的，平稳且服从 二项分布，即
[0029]
(25)
[0030] 其中，η表示用户获得信用的强度，I-P表示获得信用的概率。
[0031] 本发明进一步的改进在于，步骤3)中，具体包括以下步骤：
[0032] 3-1)采用队列模型描述信用的动态变化，用户的信用C[t]在连续两个周期内的变 化如下：
[0033]
[0034]其中，Cin[t]代表第t个时刻的信用获得，是队列的到达过程;Cc>ut[t]代表第t个时 刻的信用输出，是队列的离开过程，同时规定C[t]不能超过某一个门限Cmax;
[0035] 3-2)用户为了防止自己需要请求D2D协助时没有足够的信用，往往要保障自身的 信用值高于某一个设定的门限Cth，以避免突发事件，其中用户的信用控制需满足以下条件：
[0036] Pr{C[t]<Cth}<5 (27)
[0037] 即信用中断发生的概率必须被控制在某一门限δ之下；
[0038] 3-3)引入反向队列转换技术，倒置Cin[t]和C〇ut[t]的角色：用信用消耗过程C〇 ut[t] 表示到达过程，代表信用支出预算;信用获得函数Cin[t]表达队列离开过程，代表预算的实 施，同时定义队列长择
，得到一个稳定队列系统，其中信用约束转 变为：
[0039]
[0040] 3-4)基于大偏差理论的统计理论渐进分析，一个到达过程和离开过程不相关的稳 定排队系统，队列长度分布近似为指数分布，即
[0041 ]
(29)
[0042] 其中沒是满足万程Ψ (θ) = Φ (?)的觯，其中，Ψ (Θ)被称为到达过程的有效带宽，这 里是到反向队列到达过程CQUt[t]的函数；Φ(θ)被称为有效容量，这里是到反向队列离开程 Cin[t]的函数；Ψ(θ)和Φ(θ)的数学定义式为：
[0043]
(30)
[0044] 依据公式(10)和公式（11)，得至I
，根据大偏差理论，在给定沒的 情况下，为了实现信用中断概率的限制，有效带宽需要高于有效容量，因此，需要满足下面 的条件：
[0045]
(31)
[0046] 本发明进一步的改进在于，步骤4)构造优化问题为：
[0047]
(32)
[0048] 应用Cin[ t ]和Cciut [ t ]的性质，上述优化问题转换为以下凸优化问题：
[0049]
(33)
[0050] 利用拉格朗日乘子法求解该优化问题，构造拉格朗日函数如下：
[0051]
[0052]其中，Ω=如丨)(的，λ，β为相应限制条件的拉格朗日乘子，ρ(γ )为γ的概率密度函 数;根据K K T条件，最优解满足下面的公式：
[0053]
[0054]
[0055]
[0056] 在给定拉格朗日乘子λ，β的条件下，最优功率策略可以由二分法或牛顿迭代法得 到，其中拉格朗日乘子λ，β通过随机次梯度发迭代搜索获得。
[0057]与现有技术相比，本发明具有以下有益效果：
[0058] 1、本发明引入了社会信用这一全局化的社会特性衡量标准，使得用户间协作的激 励不受限于地理位置，不管用户移动到什么位置，不管周围的网络环境是否陌生，均可以通 过社会信用这一虚拟货币交易请求D2D协助服务，极大的促进了用户参与D2D通信，享受D2D 通信技术所带来的益处。
[0059] 2、现有利用社会关系辅助D2D通信的方案往往需要基于大量社交数据统计出用户 间关系的亲密度或用户间的社区从属关系，计算复杂且局限于地理位置与亲密关系的限 制，而本发明所提出的方案不局限于场景的限制，具有更广泛的应用空间，且计算复杂度 低，实用便捷。
[0060] 3、本发明采用队列模型对信用的动态变化进行建模，提出了概率化的信用保障方 案，并应用强有力的队列分析工具具体化信用需求，同时考虑了用户间干扰的限制与自身 设备的限制，能够保障整个D2D网络顺利运转，实现了在促进用户参与D2D通信的同时最大 化的提升系统整体性能。
【附图说明】：
[0061] 图1是本发明系统模型图；
[0062] 图2是不同信干比下系统平均吞吐量对比图；
[0063] 图3是不同信用中断概率下的系统平均吞吐量对比图；
[0064] 图4是信用队列长度分布图
【具体实施方式】：
[0065] 下面结合附图对本发明做进一步详细描述：
[0066]参考图1，本发明所述的D2D网络中社会信用驱动的功率自适应方法描述如下： [0067] 该D2D网络包括一个基站b、D2D用户发送端Cl1和D2D用户接收端办以及一个蜂窝用 户C A2D用户d2向用户Cl1请求服务，考虑到资源的消耗，用户d2需向协助方Cl 1支付一定的信 用，同时用户d2可以通过协助他人或其他活动获取一定的信用。这样，系统自然映射成了两 部分:物理域和社会域，用户在进行D2D通信时要同时满足物理域和社会域的需求。
[0068]所述的社会信用驱动的功率自适应方案包括以下步骤：
[0069] 1)D2D网络传输中，D2D用户和蜂窝用户互相干扰，D2D用户的发送功率需满足干扰 要求及自身设备的限制要求；
[0070] 2)D2D服务请求方需要向D2D服务接受方支付一定的信用，每次D2D传输时，确定信 用的消耗值与获得值；
[0071] 3)采用队列模型对信用的动态变化进行建模，基于渐进排队理论和反向队列技术 分析用户的信用需求；
[0072] 4)在满足用户的物理通信需求和信用需求的同时，以最大化吞吐量为目标进行功 率自适应。
[0073]步骤1)中D2D用户发送功率需要满足物理通信的一些需求，具体如下：
[0074] D2D链路的信号传输模型为：
[0075]
(37)
[0076]其中，P。是蜂窝用户的发送功率，Ρ(γ)是D2D用户的可调发送功率，η为加性高斯 白噪声，其功率谱密度为n〇，hi,j为节点i与节点j间信道增益，且满i
% 节点i与节点j间的距离，α为路径损耗指数，ho为小尺度衰落且服从瑞利分布，ho~CN(0， 1); 〇
[0077] D2D发送功率受限于平均功率声，为描述方彳〗且满足：
[0078]
[0079] I.定义为参考SINR，反映信道衰落和干扰，No为噪声功 率，且NQ = n〇W，W为系统带宽。
[0080] 为保障蜂窝链路的正常通信，D 2 D链路对蜂窝链路的干扰受限，即
一化发送功率μ( γ )满足： (39)
[0082]其中，Pth表示基站端信干噪比的最低门限值；
[0083]受到自身设备的限制，D2D用户的发送功率不能超过最大值Pmax，即满足：
[0084]
(40)
[0085]步骤2)中，D2D用户每次请求服务时需要消耗一定的信用，也可以通过协助获得信 用，信用的消耗与获得函数定义为：
[0086]信用的消耗值依赖于传输的数据量，定义信用消耗值f(d)为数据量d的函数
依据香农定义，D2D链路的最大传输速率为：
[0087]
(41.)
[0088] 则时隙T内传输的数据量为d=WTl〇ge(l+y( γ ) γ )，信用消耗函数为：
[0089]
(42)
[0090] 我们主要关注信用的支付过程，不失一般性，假设信用的获得过程与信用的消耗 过程是独立的，平稳且服从二项分布，即
[0091]
(43)
[0092] 其中，η表示用户获得信用的强度，I-P表示获得信用的概率。
[0093] 步骤3)中，信用的建模分析如下：
[0094] 请求服务时消耗一定的信用，协助他人获得信用，信用是动态变化的，随时间而改 变。我们采用队列模型描述信用的动态变化，用户的信用c[t]在连续两个周期内的变化如 下：
[0095] C[t+1] =min{max{C[t]+Cin[t]-C0Ut[t]，0}，Cmax} (44)
[0096] 其中，Cin[t]代表第t个时刻的信用获得，是队列的到达过程;Cc>ut[t]代表第t个时 刻的信用输出，是队列的离开过程，同时规定C[t]不能超过某一个门限C max，这样的设置是 为了防止某些用户在短期时间内囤积信用，而在后期拒绝服务，造成了网络连通性较大的 波动。
[0097]用户为了防止自己需要请求D2D协助时没有足够的信用，往往要保障自身的信用 值高于某一个设定的门限Cth，以避免突发事件。用户的信用控制需满足以下条件：
[0098] Pr{C[t]<Cth}<5 (45)
[0099] 即信用中断发生的概率必须被控制在某一门限δ之下。
[0100] 为了维持信用中断概率在很低的水平，用户的信用长期处于Cth之上，这样，信用收 获Cin[t]的均值往往需要高于C〇 ut[t]，造成了队列的不稳定。为了解决这个问题，引入反向 队列转换技术，倒置Cin[t]和Cc> ut[t]的角色：用信用消耗过程Cc>ut[t]表示到达过程，代表信 用支出预算;信用获得函数C in[t]表达队列离开过程，代表预算的实施。同时定义队列长度
这样得到一个稳定队列系统。信用约束转变为：
[0101] Pr{Q[t]>Cmax-Cth}<5 (46)
[0102] 基于大偏差理论的统计理论渐进分析，一个到达过程和离开过程不相关的稳定排 队系统，队列长度分布近似为指数分布，即
[0103]
(47)
[0104] 0是满足方程Ψ (Θ) = Φ (Θ)的解。其中，Ψ (Θ)被称为到达过程的有效带宽，这里是 到反向队列到达过程Cc>ut[t]的函数；φ(θ)被称为有效容量，这里是到反向队列离开程Cin [t]的函数。Ψ(θ)和Φ(θ)的数学定义式为：
[0105]
(48)
[0106] 依据公式（10)和公式（11)，我们可以得到
log#。根据大偏差理论， 在给定$的情况下，为了实现信用中断概率的限制，有效带宽需要高于有效容量。即满足下 述条件：
[0107] φ(^) > Μ^((9) (49)
[0108] 步骤4)中，考虑到D2D在物理通信上的需求和社会域上的信用需求，以最大化吞吐 量目标构造优化问题为：
[0109]
(5〇)
[0110] 应用Cin[t]和CQUt[t]的性质，上述优化问题可转换为以下凸优化问题：
[0111]
(51)
[0112] 利用拉格朗日乘子法求解该优化问题，构造拉格朗日函数如下：
[0113]
[0114] 其中，Ω=沒φ$)，λ，β为相应限制条件的拉格朗日乘子，ρ(γ )为γ的概率密度函 数。根据KKT条件，最优解需要满足下面的公式：
[0115]
[0116]
[0117]
[0118] 在给定拉格朗日乘子λ，β的条件下，最优功率策略可以由二分法或牛顿迭代法得 到。具体，拉格朗日乘子λ，β可以通过随机次梯度发迭代搜索获得。
[0119] 为了验证本发明的性能，我们进行了如下仿真：
[0120] 在一个5MHz半径为IOOm的小区内进行仿真，基站位于中心，蜂窝用户和D2D用户随 机均匀分布，且D2D用户对间的最大距离不超过10m，详细仿真参数如下表所示，
[0121]表1仿真参数
[0124] 同时我们给出两种基本对比方案：
[0125] 1)绝对信用控制方案：用户的信用值永远控制在信用门限之上，构造如下优化问 题：
[0126]
(55)
[0127] 2)注水法方案:发送功率 ，我们调整水位了的值使其满足式(9) 又 所述的信用约束。
[0128] 图2是不同信干比下系统平均吞吐量对比曲线图。信用控制方案中吞吐量随着信 干比的增大而增大，最终趋于稳定。在低信干比时，仅有平均功率约束是有效的，故我们所 提方案和绝对信用方案性能是一致的；在较高信干比时，平均功率约束和信用约束均起作 用，且我们所提方案要优于绝对信用方案;在高信干比时，仅有信用约束是有效的，吞吐量 最终趋于稳定。可以看出，我们所提方案要优于绝对信用方案，信用控制方案要优于注水法 方案，原因在于本方案基于排队理论选择了概率化的信用控制，而注水法方案没有直接的 信用控制。
[0129]图3是不同信用中断概率下的系统平均吞吐量对比图。可以看出，随着信用中断概 率的递增，我们所提方案和注水法方案系统吞吐量不断升高，绝对信用方案的吞吐量始终 保持不变。原因在于越小的信用中断概率S代表着越严格的信用约束，而绝对信用方案的信 用控制与S无关。
[0130]图4是信用队列长度累计概率函数分布(CDF)图。可以看出，我们所提方案的信用 中断概率接近接近理论值10-3,误差在可容忍范围之内，且我们所提方案的分布曲线更加的 均匀，能够实现资源的更佳利用。
【主权项】
1. D2D网络中社会信用驱动的功率自适应方法，其特征在于，该D2D网络包括一个基站 b、D2D用户发送端山和D2D用户接收端CbW及一个蜂窝用户C，包括W下步骤： 1. D2D网络传输中，D2D用户和蜂窝用户互相干扰，D2D用户的发送功率需满足干扰要求 及自身设备的限制要求； 2. D2D服务请求方需要向D2D服务接受方支付一定的信用，每次D2D传输时，确定信用的 消耗值与获得值； 3) 采用队列模型对信用的动态变化进行建模，基于渐进排队理论和反向队列技术分析 用户的信用需求； 4) 在满足用户的物理通信需求和信用需求的同时，W最大化吞吐量为目标进行功率自 适应。2. 根据权利要求1所述的D2D网络中社会信用驱动的功率自适应方法，其特征在于，步 骤1)的具体要求为：1- 1 )D2D链路的信号传输模型为： (1) 其中，Pc是峰巧用厂的化化功毕，丫 用户的可调发送功率，n为加性高斯白噪 声，其功率谱密度为n〇，hi,j为节点i与节点j间信道增益，且满足咕二片.苗，di,j为节点 i与节点j间的距离，a为路径损耗指数，ho为小尺度衰落且服从瑞利分布，ho~CN(0，1); D2D发送功率受限于平均功率家,为描述方便，4,且满足： E 山(2) 其C)，定义为参考SINR，反映信道衰落和干扰，y(丫）为归一化发 送功率，No为噪声功率，且No = n〇W，W为系统带宽；1 - 9 ^责化陪略窝错隙的TF货補倍-n 9 n链路对蜂窝链路的干扰受限，即 (丫）满足： (3) f能超过最大值Pmax,即满足： (4) J.个艮促化W UZUIMJ巧? T1"工S1曰化!沁动的功率自适应方法，其特征在于，步 骤2)中信用的消耗与获得函数定义为： 2- 1)信用的消耗值依赖于传输的数据量，定义信用消耗值f(d)为数据量d的函数養据香农定义，D2D链路的最大传输速率为： 则时隙T 重函数为：巧） 2- 2)不^ 是独立的，平稳且服从二项 分布，即 (7) 其中，n表示用户获得信用的强度，I-P表示获得信用的概率。4.根据权利要求1所述的D2D网络中社会信用驱动的功率自适应方法，其特征在于，步 骤3)中，具体包括W下步骤： 3- 1)采用队列模型描述信用的动态变化，用户的信用C[t]在连续两个周期内的变化如 下： C[t+1] =min{max{C[t]+Cin[t]-C〇ut[t] ,0} ,Cmax } ( 8 ) 其中，Cin[t]代表第t个时刻的信用获得，是队列的到达过程;Cwt[t]代表第t个时刻的 信用输出，是队列的离开过程，同时规定C[t]不能超过某一个口限Cmax; 3-2)用户为了防止自己需要请求D2D协助时没有足够的信用，往往要保障自身的信用 值高于某一个设定的口限Cth, W避免突发事件，其中用户的信用控制需满足W下条件： Pr{C[t]<Cth}<5 (9) 即信用中断发生的概率必须被控制在某一口限S之下； 3-3)引入反向队列转换技术，倒置Cin[t]和C〇ut[t]的角色：用信用消耗过程C〇ut[t]表示 到达过程，代表信用支出预算;信用获得函数Cin[t]表达队列离开过程，代表预算的实施，同 时定义队列长运爵到一个稳定队列系统，其中信用约束转变为： Pr{Q[t]>Cmax-Cth}<5 (10) 3-4)基于大偏差理论的统计理论渐进分析，一个到达过程和离开过程不相关的稳定排 队系统，队列长度分布近似为指数分布，即(11) 其中各是满足方程W(0) = (6(0)的解，其中，W (0)被称为到达过程的有效带宽，运里是 到反向队列到达过程Cout[t]的函数；(6(0)被称为有效容量，运里是到反向队列离开程Cin [t]的函数;w(0)和(6(0)的数学定义式为：(12) 依据公式（ [据大偏差理论，在给定^的情况 下，为了实现信用中断概率的限制，有效带宽需要高于有效容量，因此，需要满足下面的条 件：利用拉格朗日乘子法求解该优化问题，构造拉格朗日函数如下： (13)5.根据权 驱动的功率自适应方法，其特征在于，步 骤4)构造优化 04) 应用Cin[t ^为^下凸优化问题： (巧其中，()=則)(所入0为相应限制条件的拉格朗日乘子，P(丫）为丫的概率密度函数;根 据K KT条件，最优解满足下面的公式： i在给定拉格朗日乘子A，0的条件下，最优功率策略可W由二分法或牛顿迭代法得到，其 中拉格朗日乘子A，防I过随机次梯度发迭代捜索获得。
【文档编号】H04B17/391GK105916197SQ201610394938
【公开日】2016年8月31日
【申请日】2016年6月6日
【发明人】杜清河, 朱雪杰, 任品毅, 王熠晨
【申请人】西安交通大学